京公网安备 11010802034615号
经营许可证编号:京B2-20210330
维斯塔斯利用 IBM 大数据分析实现“智慧风能”
IBM近日宣布,丹麦能源公司维斯塔斯 (Vestas Wind Systems)将利用业界领先的 IBM 大数据分析软件和卓越的 IBM 系统优化风力涡轮机配置方案,从而实现最高效的能量输出。对于可再生能源行业而言,风力涡轮机的选址和配置是一项重大挑战。维斯塔斯正是希望应对该项挑战,将公司业务拓展到全新市场,并积极促进风能在全球的普及。
通过在IBM “烈焰风暴”超级计算机上运行 IBM BigInsights 软件,维斯塔斯公司得以分析诸多类型的拍字节结构化和非结构化数据:如气象报告、潮汐相位、地理空间与传感器数据、卫星图像、森林砍伐地图,以及用于精确安装定位的气象建模研究等――这些以前需要数周时间完成的分析工作现在只需不到一小时即可完成。
维斯塔斯技术研发厂房选址和预测部副总裁 Lars Christian Christensen 表示:“维斯塔斯提供的涡轮机通常都要服役数十年,因此客户要求在安装之前了解涡轮机的能源输出量和投资回报率。通过使用 IBM 的软件和系统,我们现在可以迅速回答这些问题,从而有利锁定新的风能市场,帮助客户实现雄心勃勃的可再生能源目标。” 在选址过程中,涡轮机一旦投入运转,维斯塔斯工程师就会使用全新的软件和超级计算机预测其性能,包括分析各个叶片对气候变化的反应,并确定最佳维护时间。
在未来四年内,该公司将有望对更多类型、规模更大的气象数据集进行分析,其分析量届时可达20拍字节以上。 如果能源公司安装风力涡轮机时定位不正确,涡轮机产出的电力便不足以为风能投资带来合理的回报,也无法保持较低的电力成本。涡轮机正确定位的主要因素包括空气湍流和风向,以及空间、生态和美学方面的考量。 据悉,维斯塔斯在丹麦的厂房选址与预测部门将充分运用 IBM 在分析上的专长,为客户设计新一代风力技术。
届时,IBM 将安排一支大数据分析项目专家团队为该部门提供全天候24小时技术支持。此外,维斯塔斯能够以虚拟访问方式访问IBM位于硅谷的大数据开发实验室,此举将进一步帮助其探索发掘分析技术在风能领域的全新应用途径。 IBM 信息管理软件总经理 Arvind Krishna 表示:“维斯塔斯与IBM的合作展现了大型组织如何利用大数据分析和超级计算机制定智慧商务决策,在有力推动增长的同时解决大数据这个全球最紧迫的问题。现在,我们正在帮助客户在不受数据传播速度和数据来源的限制下从各种类型数据中获得洞见。我们相信这种至关重要的能力将为整个行业带来变革。”
据美国风能协会报告显示,如果美国的风力发电容量到 2030 年能增加到 20%,全国便可以减少至少 7600 吨二氧化碳排放,并节省 4 万亿加仑的电力行业用水,以及12% 的天然气消费需求。在欧洲,对于加速风力发电场交付和选址的技术需求也日渐增长。德国能源与公共事业协会最新报告显示,2011 年上半年,德国的电力产量中 20.8% 来自风力等可再生能源,该数字创下历史新高。新西兰也在2011年采取了一项十分积极的能源战略,要求国内 90% 的电力均采用风力等可再生能源发电。 IBM InfoSphere BigInsights 软件是 200 余名 IBM 研究院科学家历经 4 年潜心开发的成果。该软件采用开源技术 Apache Hadoop,可提供大规模并行处理框架、太字节到拍字节级别数据的可扩展存储,并可通过其 BigSheets 组件支持情景假设。BigInsights 是 IBM 大数据软件平台的重要组成部分,该平台还包含 InfoSphere Streams 软件,可实时分析流入组织的数据,并通过检测其变化了解数据中是否出现了新的模式或趋势。
维斯塔斯公司在 1222 台相互连接的 System x iDataPlex 服务器上运行 BigInsights 软件,这些服务器经过工作负荷优化,共同组成了 “烈焰风暴” 超级计算机,每秒钟能进行 150 万亿次运算――相当于每名丹麦公民每秒进行 3000 万次计算。在全球超级计算机 500 强名单中,Firestorm 名列第 53 位,同时,它还是这份名单上的第三大商用系统,并以其更卓越的能效取代了维斯塔斯最初使用的惠普系统。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08在数据驱动决策的链路中,统计制图是CDA(Certified Data Analyst)数据分析师将抽象数据转化为直观洞察的关键载体。不同于普通 ...
2026-01-08在主成分分析(PCA)的学习与实践中,“主成分载荷矩阵”和“成分矩阵”是两个高频出现但极易混淆的核心概念。两者均是主成分分 ...
2026-01-07在教学管理、学生成绩分析场景中,成绩分布图是直观呈现成绩分布规律的核心工具——通过图表能快速看出成绩集中区间、高分/低分 ...
2026-01-07在数据分析师的工作闭环中,数据探索与统计分析是连接原始数据与业务洞察的关键环节。CDA(Certified Data Analyst)作为具备专 ...
2026-01-07在数据处理与可视化场景中,将Python分析后的结果导出为Excel文件是高频需求。而通过设置单元格颜色,能让Excel中的数据更具层次 ...
2026-01-06在企业运营、业务监控、数据分析等场景中,指标波动是常态——无论是日营收的突然下滑、用户活跃度的骤升,还是产品故障率的异常 ...
2026-01-06